基于谱峭度与双谱的轴承故障诊断方法

针对强背景噪声情况下的轴承故障诊断问题,提出了一种基于谱峭度与双谱的轴承故障诊断方法。该方法采用谱峭度检测振动信号瞬态频带,利用最优带通滤波器抑制振动信号中的噪声得到滤波后信号。由带通滤波器的带宽确定低频矩形区域,计算落于该区域内的信号包络的局部双谱图,依据局部双谱图诊断轴承故障。仿真分析表明,强背景噪声和滚动体滑动会造成传统轴承故障诊断方法（如峭度、功率谱、包络谱）失效,而该方法能够有效地抑制噪声,更准确地诊断轴承故障,并通过6205-2RS JEM SKF轴承诊断实例,说明了该方法的有效性。     

空间物理过程时空协同探测的覆盖分析方法研究

针对空间物理过程时空协同探测任务的定量化探测覆盖分析需求, 在采用时空相关函数方法描述和分析空间物理时空过程的基础上, 提出一种基于θ-t_R覆盖图的探测覆盖分析方法. 通过分析不同设计方案在一定累计时间周期内的θ-t_R覆盖图, 根据其覆盖范围的不同选择所需要的设计方案. 采用该方法对两条共轨道面椭圆轨道的时空协同探测过程进行了定量的覆盖分析, 验证了该方法的有效性.      

一种基于陨石坑拟合椭圆的着陆器位姿估计算法

针对星际着陆自主导航问题,提出一种利用陨石坑边缘曲线估计着陆器位姿的简便算法。该算法首先利用至少3条陨石坑边缘曲线及其对应的像曲线,建立关于着陆器位姿的几何约束方程;然后由克罗内克积和最小二乘算法,求取着陆器位置、姿态的解析解。该方法的优点在于,计算过程简单、快速。仿真结果表明,该算法可以较精确的估计着陆器位姿,鲁棒性好。     

基于MDP的诊断策略构建方法

针对传统方法忽略测试通过的不确定性因素,缺乏长周期寻优机制,难以在复杂测试系统中生成全局最优诊断策略的问题,提出了一种基于马尔可夫决策过程(MDP)的诊断策略构建方法。该方法将故障检测、隔离的过程表述为系统故障状态的马尔可夫过程,通过引入折扣因子与目标权重,构造了综合效用准则函数的无限折扣模型,并利用策略迭代算法求解出全局平稳最优诊断策略。实例表明,该方法充分考虑了测试通过的不确定性,可实现全局平稳策略寻优,能够有效地指导测试系统实现快速故障检测和隔离。      

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.     

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

车辆视频检测感兴趣区域确定算法

利用最大方差阈值方法对灰度图像二值化后,对车辆底部阴影突变行检测,对感兴趣区域确定方法进行改进,实现了感兴趣区域的精确确定.通过计算精确确定后的感兴趣区域的灰度对称性和熵值归一化对称性测度,实现了车辆的精确检测,找到车辆的对称轴,并在车辆区域上边界一定范围内,进行灰度突变检测,实现了车辆上边界的准确定位.通过实验验证算法较好地实现了复杂环境下的车辆检测和上边界定位.     

基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ^2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法。通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ^2算法。最后,文章讨论了组合导航系统中两种故障检测算法的优缺点。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。